Tugas Praktikum
MK. Metode Penelitian Gizi Lanjut Tanggal Kumpul: 25 Februari 2024
Teknik Pengukuran dan Pengumpulan Data Penelitian Pangan dan Gizi
Oleh : Kelompok 3
Ainun Fauziah Torontju I1504231008 Yoanita Rosa Indrining Tyas I1504231015
Gina Mustika I1504231017
Nur Haerati I1504231021
Syuja’ Rafiqi Arifin I1504231054
Koordinator Mata Kuliah:
Prof. Ir. Dadang Sukandar, M.Sc., Ph.D
PROGRAM STUDI ILMU GIZI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR
BOGOR
2024
DAFTAR ISI
DAFTAR ISI i
BAB I Pendahuluan 1
1.1. Latar Belakang 1
1.2. Rumusan Masalah 1
1.3. Tujuan Penyusunan 2
1.4. Manfaat Penyusunan 2
BAB II Isi dan Pembahasan 3
2.1. Soal dan Error! Bookmark not defined.3
2.2. Soal dan Jawaban Error! Bookmark not defined.12
2.3. Soal dan Jawaban Nomor 3 13
BAB III Kesimpulan
3.1. Kesimpulan 30
DAFTAR PUSTAKA 32
I PENDAHULUAN
1.1 Latar Belakang Masalah
Pangan dan gizi memegang peranan krusial dalam kesehatan manusia (Baker 2024), dengan asupan makanan yang seimbang dan berkualitas menjadi faktor penting dalam pencegahan penyakit serta pemeliharaan kesehatan secara keseluruhan. Di sisi lain, pengukuran dan pengumpulan data yang akurat dan reliabel menjadi landasan utama dalam menghasilkan informasi yang dapat dipercaya dan digunakan sebagai dasar dalam membuat kebijakan serta intervensi dalam bidang pangan dan gizi (Afrinis 2022).
Dalam konteks ini, teknik pengukuran dan pengumpulan data penelitian pangan dan gizi menjadi sangat penting.
Penggunaan metode yang tepat dalam mengukur konsumsi pangan, nilai gizi, serta status gizi individu maupun populasi menjadi kunci dalam memahami pola makan, kebutuhan gizi, dan dampaknya terhadap kesehatan. Teknik-teknik seperti kuesioner, pengukuran antropometri, analisis diet, dan teknologi canggih seperti penggunaan alat pemantauan elektronik telah menjadi bagian integral dalam upaya pengumpulan data yang berkualitas. Selain itu, uji klinis juga memegang peran penting dalam penelitian pangan dan gizi. Uji klinis memungkinkan peneliti untuk menguji efektivitas dan keamanan berbagai intervensi pangan dan gizi, mulai dari suplemen gizi, pangan fungsional, hingga intervensi diet klinis (Baker 2024).
Informasi yang diperoleh dari uji klinis dapat memberikan bukti ilmiah yang kuat dalam mendukung pengembangan produk pangan dan gizi baru serta merumuskan pedoman gizi yang lebih baik. Dengan demikian, pemahaman mendalam tentang teknik pengukuran dan pengumpulan data penelitian pangan dan gizi serta uji klinis menjadi sangat penting dalam menangani berbagai tantangan terkait kesehatan masyarakat, termasuk obesitas, kekurangan gizi, dan penyakit kronis terkait pola makan. Dengan melihat latar belakang ini, penelitian lanjutan dalam bidang ini menjadi krusial untuk meningkatkan pemahaman kita tentang hubungan antara pangan, gizi, dan kesehatan, serta untuk mengembangkan strategi intervensi yang lebih efektif dalam meningkatkan kesehatan masyarakat secara keseluruhan.
1.2 Rumusan Masalah
Adapun soal yang diberikan pada tugas ini adalah sebagai berikut :
a. Buat kuesioner untuk mencatat biodata dan recall 1x24 jam konsumsi pangan anggota kelompok, tugas hitung akg, konsumsi energi dan zat gizi serta TKE dan TKG
b. Forcast jumlah penduduk kabupaten bogor sampai tahun 2030 jika diketahui sensus 2010 sebanyak 4932441 dan sensus tahun 2020 sebanyak 5736348
c. Produksi beras kab bogor per tahun (ton) dari tahun 2000 sampai tahun 2023 adalah sbb: a. Forcast gunakan moving average dua dan tiga data hitung MAPE forcast sampai tahun 2025 program SAS gambarkan grafiknya aktual At, MA_2 dan MA_3 b. Forcast dengan Ar(1) dengan menggunakan
1.3 Tujuan Penulisan
Adapun tujuan dari penulisan tugas ini adalah sebagai berikut :
a. Untuk melakukan pengukuran status gizi dan menghitung nilai akg, konsumsi energi dan zat gizi serta tke dan tkg
b. Untuk mengetahui perhitungan jumlah penduduk kabupaten bogor sampai tahun 2030 jika diketahui sensus 2010 sebanyak 4932441 dan sensus tahun 2020 sebanyak 5736348
c. Untuk mengetahui perhitungan produksi beras kab bogor per tahun (ton) dari tahun 2000 sampai tahun 2023
1.4 Manfaat Penulisan
Manfaat yang dapat diambil dari penulisan tugas ini adalah sebagai berikut : a. Mengetahui perhitungan status gizi dan nilai akg, konsumsi energi dan zat gizi
serta TKE dan TKG
b. Mengetahui perhitungan jumlah penduduk kabupaten bogor sampai tahun 2030 jika diketahui sensus 2010 sebanyak 4932441 dan sensus tahun 2020 sebanyak 5736348
c. Mengetahui perhitungan produksi beras kab bogor per tahun (ton) dari tahun 2000 sampai tahun 2023
II ISI DAN PEMBAHASAN
2.1 Soal dan Jawaban Nomor 1
Buat kuesioner untuk mencatat biodata dan recall 1x24 jam konsumsi pangan anggota kelompok tugas hitung akg, konsumsi energi dan zat gizi serta tke dan tkg ?
Jawab :
a. Langkah pertama adalah membuat kuesioner, contoh kuesioner untuk melakukan pengukuran status gizi, AKG, dan TKG sebagai berikut : (Akses Kuesioner : https://docs.google.com/document/d/1na_Nojn--1r4sfj80kGSqSULqLplu5Iu/edit )
b. Setelah data didapatkan, maka langkah selanjutnya adalah melakukan entry dan editing data pada excel untuk mempermudah perhitungan. (Link Excel:
https://docs.google.com/spreadsheets/d/11XK6gRF6dn5SoAFbX1EzDCc3Mjw mW-G7/edit#gid=1042221863)
- Sebelum entry data, dibuat Codebook yang bertujuan untuk memudahkan saat entry data
- Entry Data, masukkan data halmuk, biodata, recall 1x24 jam (Konversi dari urt ke gram).
Hasil Recall 1x24 jam Ainun
Hasil Recall 1x24 jam Yoanita
Hasil Recall 1x24 jam Gina
Hasil Recall 1x24 jam Ratih
Hasil Recall 1x24 jam Syuja’
c. Menentukan nilai IMT dan kategori IMT anggota kelompok
- Untuk menentukan nilai IMT anggota kelompok, memerlukan data berat badan (BB), dan tinggi badan (TB).
IMT = BB/(TB)^2
Dalam excel menjadi (=C2/((D2/100)*(D2/100))
- Setelah nilai IMT di dapatkan, langkah selanjutnya adalah
mengkategorikan besar IMT ke dalam kategori kurus/normal/gemuk
Sumber : Kemenkes RI
Dalam excel menggunakan rumus :
= IF(E2<18.5,"Kurus",IF(E2>25,"Gemuk", "Normal"))
- Berdasarkan beberapa langkah sebelumnya, maka di dapatkan nilai IMT dan kategori IMT tiap anggota kelopok adalah sebagai berikut :
-
d. Mencari asupan harian mahasiswa(i) dari hasil recall 1x24 jam, data yang menjadi patokan penentuan asupan nilai gizi untuk mendapatkan nilai kecukupan gizi, konsumsi energi, zat gizi makro dan zat gizi mikro per bahan makanan adalah “DKBM dan DKGJ”
- Konversi dari gram pangan ke zat gizi
- Mencari total asupan kalori dan zat gizi kelompok dari hasil rekap recall 1x24jam per anggota kelompok.
- Berdasarkan hasil perhitungan tingkat asupan sehari menunjukkan bahwa, total asupan kelompok adalah (Energi : 13.516,4 kkal; Protein : 448,9 gram; Lemak : 510,7 gram; Karbohidrat : 1.901,4 gram; Kalsium : 4.802,9 mg; Fosfor : 6.103,3 mg; Besi : 155,9 mg; Vitamin A : 28.930,2 RE; Vitamin B : 3,8 mg; Vitamin C : 381,5 mg).
- Tingkat konsumsi untuk masing-masing anggota kelompok adalah : Ainun Fauziah Torontju (Energi : 2.290,0 kkal; Protein : 75,1 gram;
Lemak : 125,3 gram; Karbohidrat : 219,1 gram; Kalsium : 1068,0 mg;
Fosfor : 1.150,8 mg; Besi : 17,6 mg; Vitamin A : 5.169,4 RE; Vitamin B : 0,7 mg; Vitamin C : 48,5 mg); Yoanita Rosa Indrining Tyas (Energi : 2.208,9 kkal; Protein : 67,8 gram; Lemak : 98,4 gram; Karbohidrat : 266,3 gram; Kalsium : 328,1 mg; Fosfor : 762,9 mg; Besi : 23,1 mg;
Vitamin A : 5.315,4 RE; Vitamin B : 0,7 mg; Vitamin C : 8,6 mg); Gina Mustika (Energi : 2.014,5 kkal; Protein : 65,3 gram; Lemak : 83,9 gram;
Karbohidrat : 250,4 gram; Kalsium : 618,6 mg; Fosfor : 775,1 mg; Besi : 23,0 mg; Vitamin A : 5.927,5 RE; Vitamin B : 0,7 mg; Vitamin C : 174,3 mg); Nur Haerati (Energi : 2.239,3 kkal; Protein : 88,2 gram; Lemak : 68,6 gram; Karbohidrat : 377,2 gram; Kalsium : 1.257,9 mg; Fosfor : 1.374,1mg; Besi : 36,9 mg; Vitamin A : 4.268,4 RE; Vitamin B : 0,5 mg;
Vitamin C : 64,9 mg); Syuja’ Rafiqi Arifin (Energi : 2.524,4 kkal; Protein : 64,1 gram; Lemak : 65,9 gram; Karbohidrat : 411,3 gram; Kalsium : 272,3 mg; Fosfor : 666,3 mg; Besi : 18,3 mg; Vitamin A : 3.981,1 RE;
Vitamin B : 0,6 mg; Vitamin C : 20,4 mg).
e. Menentukan nilai angka kecukupan energi dan zat gizi tiap anggota kelompok - Untuk melihat angka kecukupan gizi anggota kelompok, data yang
diperlukan adalah : Jenis kelamin, Usia, dan Kondisi fisiologis.
Berdasarkan data yang diperoleh maka nilai angka kecukupan gizi tiap anggota kelompok adalah :
Contoh perhitungan energi
=INDEX(AKG!$F$5:$AC$30,$BL9, BM$7) Keterangan:
AKG!$F$5:$AC$30 = area zat gizi dalam sheet AKG
$BL9 = golongan 16 (urutan di AKG ke-16 yaitu berada di range usia 19-29 tahun)
BM$7 = urutan zat gizi di AKG
Berikut kebutuhan zat gizi kelompok 3 berdasarkan Angka Kecukupan Zat Gizi (AKG) Tahun 2019.
1) Ainun Fauziah Torontju
Menurut AKG, Kebutuhan energi dan zat gizi anggota kelompok Ainun Fauziah Torontju adalah sebesar Energi : 2.100 kkal;
Protein : 65 gram; Lemak : 70 gram; Karbohidrat : 300 gram;
Kalsium : 1200 mg; Fosfor : 1.250 mg; Besi : 15 mg; Vitamin A : 600 RE; Vitamin B : 1,1 mg; Vitamin C : 75 mg.
2) Yoanita Rosa Indrining Tyas
Menurut AKG, Kebutuhan energi dan zat gizi anggota kelompok Yoanita Rosa Indrining Tyas adalah sebesar Energi : 2.100 kkal;
Protein : 65 gram; Lemak : 70 gram; Karbohidrat : 300 gram;
Kalsium : 1200 mg; Fosfor : 1.250 mg; Besi : 15 mg; Vitamin A : 600 RE; Vitamin B : 1,1 mg; Vitamin C : 75 mg.
3) Gina Mustika
Menurut AKG, Kebutuhan energi dan zat gizi anggota kelompok Gina Mustika adalah sebesar Energi : 2.100 kkal; Protein : 65 gram; Lemak : 70 gram; Karbohidrat : 300 gram; Kalsium : 1200
mg; Fosfor : 1.250 mg; Besi : 15 mg; Vitamin A : 600 RE;
Vitamin B : 1,1 mg; Vitamin C : 75 mg.
4) Nur Haerati
Menurut AKG, Kebutuhan energi dan zat gizi anggota kelompok Nur Haerati adalah sebesar Energi : 2.100 kkal; Protein : 65 gram;
Lemak : 70 gram; Karbohidrat : 300 gram; Kalsium : 1200 mg;
Fosfor : 1.250 mg; Besi : 15 mg; Vitamin A : 600 RE; Vitamin B : 1,1 mg; Vitamin C : 75 mg.
5) Syuja’ Rafiqi Arifin
Menurut AKG, Kebutuhan energi dan zat gizi anggota kelompok Syuja’ Rafiqi Arifin adalah sebesar Energi : 2.650 kkal; Protein : 65 gram; Lemak : 75 gram; Karbohidrat : 430 gram; Kalsium : 1000 mg; Fosfor : 700 mg; Besi : 9 mg; Vitamin A : 650 RE;
Vitamin B : 1,2 mg; Vitamin C : 90 mg.
Setelah kebutuhan zat gizi diketahui, maka selanjutnya bisa ditentukan tingkat kecukupan energi dan zat gizi. Nilai pada tingkat kecukupan zat gizi didapatkan dari hasil perhitungan zat gizi yang berasal dari konsumsi dibandingkan dengan kebutuhan dikalikan 100.
TKG = TKG = K/AKGi x 100%
Keterangan:
TKG = tingkat kecukupan zat gizi K = asupan zat gizi
AKGi = angka kecukupan zat gizi standar
Salah satu contoh rumus perhitungan TKG dalam Excel yaitu:
=(Zat gizi konsumsi/AKGi)*100
=(B3/L3)*100
Berikut disajikan data tingkat kecukupan zat gizi individu di kelompok 3 beserta tingkat kecukupan zat gizi rata-rata kelompok 3.
Berikut merupakan klasifikasi tingkat kecukupan zat gizi makro (energi, protein, lemak, dan karbohidrat)
Berikut merupakan klasifikasi tingkat kecukupan zat gizi mikro (kalsium, fosfor, zat besi, vit.A, vit.B, dan vit.C)
1) Ainun Fauziah Torontju
Berdasarkan TKG, kecukupan energi, kalsium, fosfor, zat besi, dan vitamin A tergolong cukup. Protein tergolong defisit ringan. Lemak tergolong lebih. Karbohidrat tergolong defisit sedang. Tingkat kecukupan vitamin B dan vitamin C masih tergolong kurang.
2) Yoanita Rosa Indrining Tyas
Berdasarkan TKG, kecukupan energi, protein, zat besi, dan vitamin A tergolong cukup. Protein tergolong defisit ringan. Lemak tergolong lebih. Karbohidrat tergolong defisit ringan. Tingkat kecukupan kalsium, fosfor, vitamin B, dan vitamin C masih tergolong kurang.
3) Gina Mustika
Berdasarkan TKG, kecukupan energi, protein, lemak, zat besi, dan vitamin A tergolong cukup. Karbohidrat tergolong defisit ringan.
Tingkat kecukupan kalsium, fosfor, vitamin B, dan vitamin C masih tergolong kurang.
4) Nur Haerati
Berdasarkan TKG, kecukupan energi, lemak, kalsium, fosfor, zat besi, vitamin A, dan vitamin C tergolong cukup. Protein tergolong defisit sedang. Karbohidrat tergolong lebih. Tingkat kecukupan vitamin B dan vitamin C masih tergolong kurang.
5) Syuja’ Rafiqi Arifin
Berdasarkan TKG, kecukupan energi, protein, karbohidrat, fosfor, zat besi, dan vitamin A tergolong cukup. Lemak tergolong defisit ringan.
Tingkat kecukupan kalsium, vitamin B, dan vitamin C masih tergolong kurang.
2.2 Soal dan Jawaban Nomor 2 Soal :
Forcast jumlah penduduk kabupaten bogor sampai tahun 2030 jika diketahui sensus 2010 sebanyak 4932441 dan sensus tahun 2020 sebanyak 5736348
Jawab : Untuk memperkirakan jumlah penduduk di kabupaten Bogor hingga tahun 2030, kita dapat menggunakan rumus geometri (Sukandar, 2023). Berdasarkan soal, diketahui jumlah penduduk tahun 2010 adalah P0 = 4.932.441 orang dan pada tahun 2020 adalah P10 = 5.736.348 orang. Ditanyakan jumlah penduduk di Kabupaten Bogor pada tahun 2030 adalah P20 = …
a. Pertama cari nilai r : r = ((Pt/Po)^(1/t))-1
r = ((5.736.348/4.932.441)^(1/4.932.441))-1 r = 0.0152
b. Setelah mendapatkan nilai r = 0.0152, langkah selanjutnya adalah mencari nilai jumlah penduduk dari tahun 2011 hingga 2030, menggunakan rumus (= Jumlah penduduk 2010 (Baseline)*(1+r)^(Tahun yang akan dicari jumlah penduduknya- Baseline). Singkatnya dalam rumus Excel adalah : (=B$10*(1+$B$7)^(A11- 2010)). Maka didapatkan jumlah kependudukan Kabupaten Bogor adalah sebagai berikut :
- Berdasarkan perhitungan menggunakan rumus geometri sehingga didapatkan perkiraan jumlah penduduk yang terus meningkat (2010-2030) di Kabupaten Bogor pada tahun 2030 adalah sebanyak 6671278,658~6671279.
2.2 Soal dan Jawaban Nomor 3 Soal :
Produksi beras kab bogor per tahun (ton) dari tahun 2010 sampai tahun 2023 adalah sebagai berikut:
a. Forecast gunakan moving average dua dan tiga data hitung mape forecast sampai tahun 2025 program sas gambarkan grafikanya aktual at, ma_2 dan ma_3
b. Forcast dengan AR(1) dengan menggunakan SAS Jawab :
a. Forecasting adalah perkiraan atau peramalan di waktu yang akan datang berdasarkan data deret waktu sebelumnya. Maka dalam soal ini yang akan ingin diketahui adalah jumlah produksi beras dalam kurun waktu 13 tahun kedepan.
Langkah langkah nya adalah sebagai berikut:
- Membuka software yaitu Microsoft excel dan bentuklah worksheet yang kosong, buatlah tabel dan input data produksi beras dari tahun 2011 hingga tahun 2023 ke dalam tabel sehingga diketahui bahwasanya At = data aktual adalah sebagai berikut:
- Untuk mengetahui nilai perkiraan dengan menggunakan rumus :
- Untuk mengetahui FT2MA tahun 2013 dengan membuat rumus pada kolom excel yaitu =AVERAGE(B4:B5), FT2MA tahun 2014 =AVERAGE(B5:B6) dan seterusnya hingga tahun 2025 dengan rumus =AVERAGE(B16:B17) atau dengan cara automatis untuk mendapatkan nilai FT2MA tahun 2013-2025 dengan cara menarik ujung kolom FT2MA tahun 2013 hingga ke kolom tahun 2025.
- Didapatkan bahwasanya nilai FT2MA tahun 2013 adalah 572434, tahun 2014 adalah 577617
- Selanjutnya mencari nilai selisih dari At dan FT2MA (Nilai error) dengan menggunakan rumus (Nilai At – Nilai FT2MA) bila di excel yaitu =B6-C6, maka nantinya akan di dapatkan nilai error tahun 2013 adalah 3272, dan dilakukan seterusnya hingga nilai error tahun 2023.
- Selanjutnya menghitung nilai absolut dari nilai error dengan rumus =ABS (D6) dan seterusnya hingga data tahun 2023. Kemudian mencari jumlah total nilai selisih absolute dari tahun 2013 hingga tahun 2023 dengan rumus
=SUM(E6:E16) didapatkan hasil 11531.
- Selanjutnya menghitung nilai Mean Absolute Deviation (MAD) yaitu untuk menghitung rata-rata kesalahan mutlak, dengan rumus , yang mana Aj merupakan data aktual, Fj adalah data forecast, n adalah jumlah data aktual dan p adalah jumlah data. Jika perhitungan nilai MAD pada excel dengan rumus yaitu
=E19/(13-2), E19 merupakan jumlah dari selisih data aktual dan data forecast, untuk angka 13 adalah jumlah data aktual dan 2 merupakan jumlah data FT2MA.
Hasil dari perhitungan di dapatkan nila MAD adalah 11531.
- Selanjutnya menghitung hasil pengurangan antar nilai aktual dan nilai forecast yang telah di kuadratkan dengan cara menggunakan rumus
=D6^2 hingga data tahun 2023 yaitu =D16^2 , kemudian dilakukan penjumlahan terhadap hasil-hasil tersebut dengan rumus =SUM(E6:E16)
- Selanjutnya menghitung nilai Mean Square Error (MSE) untuk menghitung rata-rata kesalahan berpangkat yaitu dengan rumus :
Untuk perhitungan nilai MSE pada excel dengan menggunakan rumus
=E19/(13-2), E19 adalah jumlah kuadrat dari selisih data aktual dan data forecast, 13 adalah jumlah data aktual dan 2 adalah jumlah data FT2MA.
Sehingga di dapat nila MSE adalah 177878039.
- Selanjutnya menghitung nilai persentase pengurangan antar nilai aktual dan forecast yang telah di absolute kan, kemudian di bagi dengan nilai aktual per periode masing-masing. Pada excell dengan menggunakan rumus =E6*100/B6 dilanjutkan hingga data tahun 2023, kemudian jumlahkan dengan rumus
=SUM(G6:G16).
- Selanjutnya menghitung nilai Mean Absolute Percent (MAPE) untuk menghitung rata-rata persentase kesalahan mutlak dengan rumus :
Untuk menghitung nilai MAPE pada excel rumus yang digunakan yaitu
=G19/(13-2), G19 adalah persentase pengurangan antar nilai aktual dan forecast yang telah di absolute kan, kemudian di bagi dengan nilai aktual per periode masing-masing, 13 adalah jumlah data aktual dan 2 adalah jumlah data FT2MA.
Sehingga di dapat nila MAPE adalah 1,84.
- Selanjutnya perhitungan perkiraan FT3MA dengan menggunakan rumus
Jika perhitungan nilai FT3MA dilakukan excel yaitu dengan rumus
=AVERAGE(B4:B6), dilakukan dari 2014 hingga tahun 2025
- Selanjutnya perhitungan nilai selisih dari At dan FT3MA dengan menggunakan rumus =B7-I7, dari tahun 2014 nilai error hingga tahun 2023.
- Selanjutnya perhitungam nilai absolut dari nilai error dengan menggunakan rumus =ABS(J7).
- Kemudian jumlahkan total nilai selisih absolute dari tahun 2014 hingga tahun 2023 dengan rumus =SUM(J6:J16) sehingga didapatkan hasil 161701.
- Selanjutnya perhitungan nilai Mean Absolute Deviation (MAD) dengan tujuan untuk menghitung rata-rata kesalahan mutlak, rumus yang digunakan , dimana Aj adalah data aktual, sedangkan Fj adalah data forecast, n adalah jumlah data aktual dan p adalah jumlah data. Perhitungan nilai MAD pada excel dengan rumus =K19/(13-3), E19 adalah jumlah dari selisih data aktual dan data forecast, 13 adalah jumlah data aktual dan 3 adalah jumlah data FT3MA. Sehingga di dapat nila MAD adalah 16170.
- Selanjutnya perhitungan hasil pengurangan antar nilai aktual dan nilai forecast yang telah di kuadratkan, rumus yang digunakan =J7^2.
- Kemudian dilakukan penjumlahan terhadap hasil-hasil tersebut dengan rumus
=SUM(L6:L16)
- Selanjutnya perhitungan nilai Mean Square Error (MSE) untuk menghitung rata- rata kesalahan berpangkat dengan rumus :
Perhitungan nilai MSE pada excel dengan menggunakan rumus yaitu =L19/(13- 3), L19 adalah jumlah kuadrat dari selisih data aktual dan data forecast, 13 adalah jumlah data aktual dan 3 adalah jumlah data FT3MA.
- Selanjutnya perhitungan nilai persentase pengurangan antar nilai aktual dan forecast yang telah di absolute kan, kemudian di bagi dengan nilai aktual per periode masing-masing. dengan menggunakan rumus =K7*100/B7 kemudian jumlahkan dengan rumus =SUM(M7:G16).
- Selanjutnya menghitung nilai Mean Absolute Percent (MAPE) untuk menghitung rata-rata persentase kesalahan mutlak dengan menggunakan rumus . Jika perhitungan nilai MAPE menggunakan excel maka menggunakan rumus
=M19/(13-3), M19 merupakan persentase pengurangan antar nilai aktual dan forecast yang sudah di absolutekan, kemudian di bagi dengan nilai aktual per periode masing-masing, 13 merupakan jumlah data aktual dan 3 adalah jumlah data FT3MA. Sehingga di dapat nila MAPE adalah 2,58.
Dari hasil perhitungan sebelumnya maka dibuatlah tabel seperti berikut :
- Langkah selanjutnya membuat grafik. Pembuatan grafik tersebut dengan tujuan untuk melihat perbedaan antara nilai aktual, FT2Ma dan FT3MA. Selanjutnya blok data table di atas kemudian klik Insert pilih Chart klik Ok, pilih dan sesuaikan chart dengan kebutuhan, setelah itu maka akan muncul. Dari gambaran grafik dapat disimpulkan bahwa hasil forecasting beras dengan menggunakan FT2MA lebih baik dibandingkan nilai FT3MA. Hal tersebut terlihat dari gambaran dari grafik bahwa nilai FT2MA lebih mendekati nilai aktual dibandingkan nilai FT3MA.
- Berdasarkan hasil perhitungan diatas, maka prediksi produksi beras pada tahun 2025 adalah At = 593212, FT2MA = 627823, FT3MA = 661408.
b. Forcast dengan AR(1) dengan menggunakan sas forcast hingga tahun 2025 Langkah-langkahnya sebagai berikut:
- Buka program SAS https://www.sas.com/id_id/home.html di Web Browser/
google chrome atau sejenisnya
- Selanjutnya jika halaman SAS sudah terbuka lalu, tekan tombol lalu klik masuk, jika belum memiliki akun maka klik dan buat profil terlebih dahulu
- Lalu akan muncul halaman untuk memasukkaan email dan password anda
- Lalu . pilih menu code lalu input data dan rumus di dalam halaman code, masukkan rumus lalu copy dan paste ke halaman code SAS
data deret;
n=_n_;
input beras @@;
cards;
*masukkan data deret 565339
579528 575705 589365 598894 604113 616553 615407 618062 642933 644043 650923 663575
;
proc arima;
identify var=beras center nlag=2;
estimate p=1 method=ml noconstant;
forecast out=b1 lead=3 id=n;
run;
- Kemudian klik gambar orang lari (run) pada pojok kiri atas Sheet Result dan selanjutnya SAS akan menampilkan output SAS seperti di bawah ini:
- Kemudian klik gambar orang lari (run) pada pojok kiri atas
Sheet Result akan menampilkan hasil seperti gambar di bawah ini.
Output SAS
The ARIMA Procedure
Name of Variable = beras
Mean of Working Series 0
Standard Deviation 29765.12
Number of Observations 13
Maximum Likelihood Estimation
Parameter Estimate
Standard
Error t Value
Approx Pr > |t| Lag AR1,1 0.96717 0.05256 18.40 <.0001 1
Variance Estimate 1.3559E8 Std Error Estimate 11644.49
AIC 284.0189
SBC 284.5839
Number of Residuals 13
Autocorrelation Check of Residuals
To Lag Chi-Square DF Pr > ChiSq Autocorrelations
6 10.00 5 0.0752 0.102 0.354 0.471 0.050 0.275 0.224
12 16.34 11 0.1289 0.053 0.303 -0.086 0.004 0.050 -0.103
Model for variable beras
Data have been centered by subtracting the value 612649.2 No mean term in this model.
Autoregressive Factors Factor 1: 1 - 0.96717 B**(1)
Forecasts for variable beras
Obs Forecast Std Error 95% Confidence Limits
14 661903.1 11644.49 639080.3 684725.9
15 660286.1 16199.73 628535.2 692037.0
16 658722.2 19521.19 620461.3 696983.0
Hasil yang didapatkan bahwasanya prediksi produksi beras tahun 2024 dan 2025 adalah 661903.1 dan 660286.1.
BAB III KESIMPULAN
3.1 Kesimpulan
1. Berdasarkan hasil recall mahasiswa(i) di kelompok 3 ditemukan bahwa bahan makanan yang dikonsumsi sudah beragam ditandai dengan golongan bahan pangan beranekaragam/bervariasi.
2. Nilai IMT anggota kelompok berada pada rentang 20,0-29,4. Kategori normal empat orang (Ainun Fauziah Torontju, Yoanita Rosa Indrininng Tyas, Gina Mustika, dan Nur Haerati) dan 1 berada pada kategori gemuk (Syuja’ Rafiqi Arifin).
3. Berdasarkan recall 1x24 jam hasil perhitungan gizi mahasiswa(i) di kelompok 3 memiliki kebutuhan energi/kalori untuk anggota kelompok Ainun Fauziah Torontju, Yoanita Rosa Indrininng Tyas, Gina Mustika, dan Nur Haerati adalah sebesar : Energi : 2.100 kkal; Sedangkan untuk anggota kelompok atas nama Syuja’ Rafiqi Arifin adalah sebesar : Energi : 2.650 kkal.
4. Berdasarkan recall 1x24 jam hasil perhitungan gizi mahasiswa(i) di kelompok 3 memiliki kebutuhan zat gizi untuk anggota kelompok Ainun Fauziah Torontju, Yoanita Rosa Indrininng Tyas, Gina Mustika, dan Nur Haerati adalah sebesar : Protein : 65 gram; Lemak : 70 gram; Karbohidrat : 300 gram; Kalsium : 1200 mg; Fosfor : 1.250 mg; Besi : 15 mg; Vitamin A : 600 RE; Vitamin B : 1,1 mg;
Vitamin C : 75 mg. Sedangkan untuk anggota kelompok atas nama Syuja’ Rafiqi Arifin adalah sebesar : Protein : 65 gram; Lemak : 75 gram; Karbohidrat : 430 gram; Kalsium : 1000 mg; Fosfor : 700 mg; Besi : 9 mg; Vitamin A : 650 RE;
Vitamin B : 1,2 mg; Vitamin C : 90 mg.
5. Berdasarkan perhitungan tingkat kecukupan zat gizi (TKG), rata-rata kecukupan zat gizi kelompok 3 yaitu kecukupan energi, protein, karbohidrat, fosfor, zat besi, vitamin A, dan vitamin C tergolong cukup. TKG lemak tergolong lebih. TKG kalsium dan vitamin B tergolong kurang.
6. Perkiraan jumlah penduduk di Kabupaten Bogor terus meningkat (2010-2030) dan pada tahun 2030 adalah sebanyak 6671278,658~6671279 orang.
7. Berdasarkan hasil perhitungan prediksi moving average diatas, maka prediksi produksi beras pada dua tahun setelahnya (2024-2025) sebesar At 2024=
592071, At 2025= 593212, FT2MA= 627823, FT3MA= 661408, dan MAPE FT2MA= 1,84 dan MAPE FT3MA= 2,58.
8. Berdasarkan hasil analisis perhitungan perdiksi produk beras menggunakan SAS didapatkan bahwasanya pada tahun 2024 dan 2025 adalah 661903.1 dan 660286.1.
DAFTAR PUSTAKA
Afrinis.N., Verawati.B., Rizqi.E.R., Lasepa.W.,Alini & Syuryadi.N.
(2022) Energy Intake and Food Restriction as Determinant Factors of Chronic Energy Deficiency among Pregnant Women in Rural Area of Sungai Sembilan, Riau, Indonesia. Open Access Macedonian Journal of Medical Sciences 10:E, pages 688-692.
Baker, K., Burd, L. & Figueroa, R. (2024). Consumer nutrition environment measurements for nutrient-dense food availability and food sustainability: a scoping review. Arch Public Health 82, 7.
https://doi.org/10.1186/s13690-023-01231-y
Kemenkes RI. 2023. Batas Ambang IMT Untuk Indonesia.
https://images.search.yahoo.com/search/images;_ylt=Awr984xYLdplpJsJsoxXN yoA;_ylu=Y29sbwNncTEEcG9zAzEEdnRpZAMEc2VjA3BpdnM-
?p=kategori+IMT&fr2=piv-
web&type=E210US91215G0&fr=mcafee#id=0&iurl=https%3A%2F%2Fcdn- 2.tstatic.net%2Faceh%2Ffoto%2Fbank%2Fimages%2Ftabel-
imt.jpg&action=click
Sukandar, D., Permatasari, T., Hanifar, K. 2023. Analisis Data Deret Waktu. Kota : Bogor, Penerbit : IPB Press.
